论文部分内容阅读
图像分割是计算机视觉工程中的第一步,也是从图像处理到图像分析的关键步骤。图像分割将图像表示为物理上有意义的连通区域的集合,为特征提取、目标识别等高层的图像理解工作提供有用的信息。早期人们对灰度图像的研究比较多,随着计算机硬件设备的不断更新以及技术的不断进步,彩色图像的应用越来越多,彩色图像的分割也受到越来越多的关注。本文在前人对彩色图像分割问题大量的研究成果之上,分析了当今彩色图像分割的研究现状,以及面临的主要问题,通过对以往算法的改进和融合,设计并实现了一种基于直方图,FCM聚类,以及区域相结合的彩色图像分割算法(HRFCM算法),并通过实验证明了此算法可以自动,有效,稳健的分割彩色图像。主要工作如下:1.研究和分析各种颜色空间在彩色图像处理中的应用,根据各种颜色空间的优点与缺点以及具体分割问题的特点选择合适的颜色空间。2.将图像在HSV空间分成非奇异点和奇异点,将非奇异点与奇异点分别聚类,再合并得到最后结果,既使分割符合人类视觉心理,又克服了HSV空间的奇异点对分割的影响。3.利用模糊数学与聚类分析相结合的FCM算法对图像数据聚类,使算法在处理图像中由于信息不足而产生的模糊不确定问题时更加符合实际。4.针对FCM算法中存在的计算量大、耗时速度慢的问题,将图像的像素特征映射到一维直方图,在直方图中聚类,从而分割图像,使运算量大幅降低,极大提高了算法的速度。5.针对FCM算法中聚类数目与初始聚类中心难确定的问题,通过对直方图的峰值筛选,确定图像的聚类数目与初始聚类中心,既能得到更加准确的聚类数目和聚类中心,减少迭代时间和聚类陷入局部极值的可能,又能达到无人工干预自动分割图像的要求。6.针对FCM聚类后存在的过分割问题,利用图像的空间信息进行区域合并,既消除了零散小区域,使分割区域颜色更加均匀,又增加了算法的抗噪声能力。7.通过对大量图片的分割仿真实验,分析HRFCM算法的优势以及所存在的问题。